Discussion :

[thms92]

Salut, le titre n'est peut-être pas très clair : je m'explique :

Je récupère (à partir d'un service web) une chaîne avec des caractères comme ceux qui suivent :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

e avec accent aigu : \xc3\xa9

Ce qui donne, si on le tape dans l'interpréteur python:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
>>> print "e avec accent aigu : \xc3\xa9"
e avec accent aigu : é

Cependant, je n'arrive pas à convertir cette chaîne en unicode de manière à ce que "\xc3\xa9" soit convertit en "é" (car cette chaîne est ensuite affichée via un module d'interface graphique, plus précisément PyQt)

En effet, quand j'essaye de convertir, voilà ce qui se passe:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
>>> unicode('\xc3\xa9')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc3 in position 0: ordinal not in range(128)

ou

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
>>> u'\xc3\xa9'
u'\xc3\xa9'
>>> print u'\xc3\xa9'
é

PS : Si cette question a déjà été posée, merci de me rediriger, mais je n'ai pas trouvé de sujet traitant de cela

[Guigui_]

Tu peux regarder dans la FAQ: http://python.developpez.com/faq/?page=Unicode

[thms92]

En effet, je n'avais pas cette partie. Mais il s'avère que cette méthode ne marche pas non plus car je viens de découvrir la chaîne de base elle-même était codée en unicode. En fait, je n'ai pas "\xc3\xa9" à convertir en unicode mais u"\xc3\xa9" à convertir en unicode (correct) : je suis donc toujours coincé

[Guigui_]

"\xc3\xa9" n'est pas une chaîne unicode mais une chaîne utf-8


pour avoir une chaîne unicode depuis "\xc3\xa9"

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

eunicode = '\xc3\xa9'.decode('utf-8')

ou

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

eunicode = unicode('\xc3\xa9', 'utf-8')

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
>>> print '\xc3\xa9'.decode('utf-8')
é

la chaîne unicode u"\xc3\xa9" représente un autre caractère (voire deux autres)

[DelphiManiac]

Je pense que son problème maintenant est le fait que la valeur qu'il recoit est stocké dans un type unicode et non dans un str (certaines lib renvoient de l'unicode et non des str). Si c'est bien le cas, l'exemple précédent ne fonctionne pas.

Essaye cela :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
v = u'\xc3\xa9'
v = v.encode('raw_unicode_escape')
 
res = v.decode('utf8')
print res

En gros il reçoit dans une chaîne unicode, la représentation alpha unicode du caractère.

Enfin je ne suis pas sur de mon interprétation, vu que je galère toujours avec ces conversions moi aussi !
D'autre part, même si l'exemple que je donne semble fonctionner, il y a peut être plus simple.

[thms92]

"\xc3\xa9" n'est pas une chaîne unicode mais une chaîne utf-8

Je pensais que c'était la même chose. Décidément, je m'embrouille avec les les différents codages.

En gros il reçoit dans une chaîne unicode, la représentation alpha unicode du caractère.

C'est en effet bien le problème que j'avais, ou du moins que je pensais avoir car, il s'avère que j'avais (encore) mal diagnostiqué mon problème. La chaîne que j'obtient est en fait :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
>>> print s
\xc3\xa9
>>> s
'\\xc3\\xa9'

Je n'obtient donc pas les caractères codés par \xc3 et \xa9, mais la chaîne contenant uns à uns les caractères '\', 'x', 'c', '3', '\', 'x', 'a', '9'

[thms92]

J'ai trouvé une solution à mon problème. C'est très sale, mais ça marche. J'ai également dû prévoir la présence de deux codages différents.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
try:
    s2 = unicode(eval('"'+s1+'"'), 'utf8')
except:
    s2 = unicode(eval('"'+s1+'"'), 'iso-8859-1')